[目的] 长输油气管道跨越区域广，沿途地形地貌变化多样，地质条件较为复杂。在经过地质灾害易发区时，管道容易遭到破坏从而造成极大的财产损失，因此对油气管线沿线滑坡实施监测尤为重要。[方法] 本文以长庆油气管线途径区域为研究区，采用DS-InSAR技术获取研究区内地表形变信息，在对2020年1月至2022年5月Sentinel-1数据分析的基础上进行滑坡识别，并结合土壤侵蚀模数及多种影响因子，利用随机森林可解释性分析方法量化研究区内滑坡诱发因素的相对贡献。[结果] 研究区共识别出348处滑坡隐患点，其中长庆油气管线沿线5 km走廊范围内共计识别188处滑坡隐患点。[结论] 分析结果表明，地形起伏度、归一化植被指数(NDVI)、土壤侵蚀模数及降水是影响研究区边坡稳定性的核心主导因子。

[目的] 针对山区滑坡监测中，无人机载LiDAR多时序点云在无稳定控制点条件下因依赖精细配准而导致位移反演精度不足等问题，本文提出了一种基于双向最近邻(BNN)匹配与局部平面拟合的滑坡三维形变监测方法。[方法] 首先通过航带平差、去噪及地面点滤波构建多期地面点云；然后利用BNN匹配筛选强匹配点对，并利用局部平面拟合分解水平与垂直位移分量；最后采用加权主成分分析反演滑坡三维位移场及主滑方向。[结果] 以三峡库区土地岭滑坡为例开展的试验结果表明，在无外部控制点条件下，该方法可稳定提取2～3 cm水平位移变化，与GNSS监测值相比绝对误差为4～6 mm，位移方向与滑坡主滑方向一致。[结论] 相比DEM差分、C2C及M3C2方法，本文方法有效减弱了复杂地形条件下的配准误差累积，在无控制点场景下具有较好的适应性与可靠性，可为植被覆盖区滑坡形变监测与灾害预警提供技术支持。

[目的] 滑坡是一种分布广、频率高、破坏性强的地质灾害，其易发性评价对灾害预警和风险防控具有重要意义。考虑到传统评价方法存在的仅依赖静态因子、忽略地表形变特征、模型精度不高等问题，本文提出了一种顾及DInSAR地表形变特征的WOA-BP滑坡易发性评价方法。[方法] 以贵州省德江县为研究对象，基于Sentinel-1A卫星升轨数据，采用DInSAR技术提取研究区的地表形变特征，并结合历史滑坡数据及10个静态因子，实现滑坡易发性评价。[结果] 研究结果表明，对比BP、LSTM、SVM与RF 4种模型，WOA-BP模型的AUC值提升至0.800，预测精度至少提高10.19%。[结论] 本文所提顾及地表形变特征的WOA-BP模型相比仅考虑静态因子的评价方法，纠正近30.9个百分点的误分类区域，可有效提升滑坡易发性评价的可靠性，为滑坡易发性准确评价提供新方法。

[目的] 本文旨在解决山地且高植被区域的大型水利水电工程的地质灾害研究相对比较稀少，传统的地质灾害研究方法在该区域内难以实现的问题。[方法] 以乌江渡水电站为例，融合20景升轨和23景降轨的具有强穿透力的L波段陆探一号(LT-1)数据，结合小基线子集干涉合成孔径雷达(SBAS-InSAR)技术实现对该地区地表形变的监测与地质灾害识别，并通过联合光学影像、降雨和地质断层数据进行时序形变特征分析。[结果] 结果表明：①LT-1数据在乌江渡水电站区域内升降轨一共识别到24处地质灾害，其中最大形变区域均被升降轨数据共同识别，分别达到了升轨125.96 mm/a，降轨103.92 mm/a，证明了该方法在山地且高植被区域的大型水利水电工程中的有效性。②联合升降轨数据可以有效克服在该类地区中地形因素和单轨数据带来的局限性，提升识别的准确性。③通过对典型滑坡隐患体的时空演变分析表明，在该研究区内降雨和地质断层是主导地质灾害体形成的主要诱发因素。[结论] 本文方法为山地高植被地区大型水电站库区地质灾害评估和精准防控提供了科学的数据支持。

[目的] 遥感影像目标识别和知识图谱技术已成为实景三维数据更新与应用的重要技术方法之一，本文旨在解决遥感影像目标实体间关联关系的抽取过程中存在的自动化水平低、数据标注量大，以及关系模型和分类体系不统一等问题。[方法] 本文提出基于DeepSeek大模型的遥感影像目标实体关系抽取技术框架，通过关系模型、类别体系构建及基于提示工程的遥感影像实体关系数据生产，完成遥感影像实体知识图谱的构建。为检验方法的有效性，在3392张高分辨率遥感影像数据集上开展试验验证，围绕典型复杂地表目标实体关系抽取任务进行对比分析。[结果] 结果显示，本文方法在主流大模型上整体关系抽取F1值均达到0.85以上。[结论] 本文方法能够快速适配不同遥感场景，操作灵活便捷，并为遥感识别、地理问答等任务提供结构化知识支撑，为遥感影像目标关系数据生产与知识图谱构建提供结构化支撑。

[目的] 针对高光谱遥感影像获取成本高、信噪比低的问题，本文引入一种基于Transformer的光谱隐式函数(TSIF)，从低光谱影像中低成本地重建出高质量高光谱数据。[方法] 该方法将像素在光谱域的波长-反射率关系建模为连续函数，采用Transformer编码器充分提取低光谱影像中的空间-光谱联合特征，并结合目标波长信息进行解码，实现高光谱像素的精细重建；同时，在损失函数中引入光谱角度映射（SAM）误差，以提升重建光谱的物理一致性。[结果] 试验结果表明，TSIF在两个数据集上均获得最佳性能，MPSNR较现有方法提升约1 dB，SAM改进大于0.1，验证了该方法在光谱细节保持与空间结构恢复方面的有效性。[结论] TSIF为低成本获取高质量高光谱影像提供了有效路径。

[目的] 针对传统遥感方法在强背景干扰场景下的树种分类精度局限，本文提出一种融合北方苍鹰优化(NGO)算法与注意力机制的随机森林优化模型(NGO-Attention-RF)。[方法] 以辽宁省阜新市为研究区，融合多源遥感数据构建多维特征集，利用NGO算法优化随机森林超参数以避免局部最优，并在节点分裂中引入注意力机制动态调整特征权重，从而使模型聚焦于树种区分的关键特征。[结果] 试验结果表明，该模型总体精度为85.4%，在各类树种精度及总体分类指标上均优于MLP、CNN、RNN、Transformer及SVM方法，验证了NGO算法与注意力机制的有效性。[结论] 本文揭示了阜新市森林树种的空间分布格局，阐明了不同特征在树种区分中的作用机理，为类似生态区的森林监测提供了方法参考。

[目的] 全球生态系统动态调查(GEDI)激光雷达提供的高密度点云数据已被应用于大范围森林冠层高度的反演中。本文旨在解决复杂地形下 GEDI数据存在的系统偏差校准不足的问题，从而提升森林冠层高度反演的精度。[方法] 本文创新性地提出了一种GEDI数据偏差校准方法，即利用无人机激光雷达样地观测数据，构建了基于随机森林的偏差校准模型，以解决GEDI数据偏差校准难题。[结果] 验证结果表明，本文提出的偏差校准模型在降低地形效应引起的系统偏差方面效果显著，偏差校准后的R²由0.29跃升至0.80，RMSE由11.80 m大幅降至1.70 m。[结论] 基于偏差校准后的GEDI反演的森林冠层高度产品具有良好的时间迁移性和稳定性。

[目的] 合成孔径雷达干涉测量(InSAR)大气水汽监测基于差分干涉原理，反演结果为差分大气可降水量(PWV相对量)。为获取InSAR PWV的绝对值，本文提出了一种融合InSAR、北斗卫星导航系统(BDS)与ERA5气象再分析数据的大气水汽精细化监测方法。[方法] 利用StaMPS-InSAR技术处理了胶东半岛区域25幅Sentinel-1A影像，反演得到ΔPWV；利用BDS PWV和ERA5 PWV对InSAR ΔPWV进行时空定标，得到PWV绝对值。[结果] 结果表明，InSAR PWV与青岛探空站、FULS及RUSH站PWV的相关系数均达0.96以上，均方根误差(RMSE)分别为3.44、2.58和2.39 mm。综合验证显示，InSAR PWV无显著系统性偏差，整体精度优于3.5 mm。相较单一BDS定标方案，本文提出的BDS与ERA5联合定标方法将精度提升了16.5%～28.4%，验证了该定标策略在复杂沿海环境下的可靠性。[结论] InSAR PWV空间分辨率可达米级，可精细地呈现PWV的变化特征，这对研究复杂地形区域极端降水天气PWV时空分布及演变规律具有重要的参考价值。

[目的] 本文旨在评估国产风云三号D星(FY-3D)微波成像仪(MWRI)土壤水分产品在河南省的精度与适用性，为国产卫星遥感数据在区域农业旱情监测与水资源管理中的业务化应用提供科学依据。[方法] 以2024年河南省自动土壤水分站网0～10 cm观测数据为基准，通过像元代表性筛选与过境时刻匹配，对FY-3D升轨、降轨土壤水分产品进行系统验证，并与同期SMAP产品进行空间一致性交叉检验。[结果] FY-3D土壤水分产品与地面观测变化趋势一致，其中降轨产品精度显著优于升轨产品，其偏差为0.002 0 m³·m^-3，均方根误差为0.027 9 m³·m^-3，相关系数达0.833 6。产品误差呈现显著季节性特征：冬春季(10月至次年4月)误差较低(RMSE<0.04 m³·m^-3)，夏秋季误差增高，7月达全年峰值。空间上，FY-3D与SMAP产品空间相关系数为 0.720 1，豫中平原均质农区精度最高(|Bias|<0.03 m³·m^-3)，豫西、豫南丘陵山区及水体周边误差较大。[结论] FY-3D土壤水分产品作为国产卫星数据的重要代表，在河南省主要农业区，尤其在冬春季及平原均质农田区，具备良好的业务化应用潜力；在夏秋季及复杂下垫面区域，建议结合多源数据进行融合应用。

[目的] 语义变化检测旨在从多时相遥感影像中识别并区分不同的地表变化类型，在城市规划、环境监测和灾害评估等领域具有重要应用价值。然而，传统监督式方法高度依赖像素级标注数据，制约了其在实际场景中的推广应用。近年来，自监督学习通过利用无标注数据进行预训练，为缓解标注依赖提供了新的思路。[方法] 因此，本文提出了一种面向该任务的自监督框架—GLSNet。该方法以编码-解码结构为基础，通过在预训练阶段联合引入全局多尺度和局部匹配的对比学习，以实现语义一致性表征。[结果] 在SECOND 和Hi-UCD mini数据集的试验中，GLSNet展现出了出色的语义变化检测性能，尤其在小样本场景下相较现有方法具有显著优势。[结论] 本文研究为遥感语义变化检测提供了高效、实用的解决方案。

[目的] 航拍与近地面影像的无缝化三维建模是实景建模中的重大挑战，本文以北京法海寺与白塔寺为研究对象，提出了一种基于空地影像协同的三维高斯泼溅(3DGS)建模方法，旨在解决空地视角剧烈变化场景的高质量重建。[方法] 首先，采用近地面多模态异构设备阵列采集策略，实现复杂场景全方位、高精度近地面影像获取；然后，提出分步解算刚性约束方法，完成空地一体化联合空中三角测量；最后，采用分块并行训练、多源相机视角平衡、生成式视角增强与时空一致性清洗的组合建模策略，重建高保真、无缝化三维高斯泼溅模型。[结果] 结果表明，该方法在模型完整性、几何精度反视觉细节方面均优于主流建模方法，峰值信噪比(PSNR)提升1.143 7 dB，结构相似性(SSIM)提升0.022 3，学习感知图像块相似度(LPIPS)降低0.018 7。[结论] 本文方法有效解决了大视角变化下的高质量三维建模难题，为文化遗产数字化保护与城市精细化管理提供了新的技术途径。

[目的] 针对城市峡谷等复杂环境下GNSS信号易受多路径效应和遮挡干扰的问题，传统EKF算法因缺乏对观测异常的稳健处理及状态约束能力，易导致IMU零偏估计偏差甚至滤波发散。本文提出了一种顾及自适应正则化约束的RTK/INS松组合定位方法。[方法] 该方法核心在于构建“外部粗差探测—观测质量量化—内部状态约束”的多级质量控制机制：首先利用运动一致性检验模型在线识别GNSS粗差；然后引入IGG-Ⅲ抗差估计理论计算等价权因子并构建自适应正则化参数，实现对IMU零偏状态约束强度的动态调整，以在GNSS质量下降时主动抑制异常观测的影响。[结果] 车载试验表明，相比传统EKF松组合算法，该方法显著增强了系统状态稳定性，东向和北向定位精度分别提升了57.4%和44.6%，整体均方根误差降低了45.0%。[结论] 该方法能有效应对恶劣观测环境，显著提升组合导航系统的定位精度、稳健性与可靠性。

[目的] 为探究地磁暴期间电离层扰动对GNSS静态定位精度的影响，本文对2023年11月磁暴期间的电离层特征及GNSS定位精度进行了分析。[方法] 利用昆明CORS基准站观测数据，采用非差非组合PPP算法计算电离层延迟项；基于全球电离层格网图(GIM)内插获取的VTEC，通过滑动四分位距法确定扰动背景值上下界，进而识别和提取磁暴期间的电离层扰动；采用同步环和异步环等指标分析电离层扰动对GNSS静态定位精度的影响。[结果] 试验结果表明，磁暴期间电离层不规则体引发信号闪烁是导致GNSS静态定位精度降低的主要原因，4 h观测时长下3种定位模式相对精度均无法满足C级网1×10^-6的要求。[结论] 本文的研究结果明确了2023年11月磁暴期间电离层响应特征及对GNSS静态定位的显著影响，对GNSS静态定位测量具有指导意义。

[目的] 为评价区域地面沉降风险并掌握未来地面沉降发展趋势，常需开展地面沉降预测并探讨各类预测方法的有效性。[方法] 本文基于长时序地面沉降水准监测数据，在分析研究区地面沉降特征及与地下水相关性的基础上，采用反向传播（BP）神经网络、长短期记忆网络(LSTM)及引入注意力机制的长短期记忆网络(AM-LSTM)，开展研究区地面沉降时序预测，并对比分析各方法的预测误差与预测结果。[结果] 结果表明：①采用累计沉降量的预测效果明显优于沉降速率，监测数据量与预测误差基本呈线性关系；②地下水禁采后，研究区域80%以上的地下水测点与地面沉降呈弱相关，纳入地下水位因素的沉降预测误差反而增大；③去除个别异常点后，BP和LSTM预测的平均相对误差分别为8.4%～15.8%和7.1%～7.7%，两者预测的地面沉降发展趋势基本一致，但LSTM预测值更平稳；④在测点数量较少及窗口值较小的情况下，与LSTM相比，引入注意力机制的AM-LSTM模型的预测误差基本未减小。[结论] 研究表明，基于长时序实测水准沉降数据，采用深度学习方法进行沉降时序预测可行，但采用不同方法的预测异常点数量及预测结果有一定差异，选用时要结合样本验证和误差分析。

[目的] 针对新近吹填场地地表形变监测中，单一测量手段在空间覆盖与精度稳定性方面不足的问题，本文提出了一种融合GNSS与InSAR数据并结合深度学习的沉降监测与预测方法。[方法] 首先，以珠海市斗门区人工吹填场地为研究区，利用SBAS-InSAR技术处理2022年7月至2024年2月共22景Sentinel-1A影像，获取沉降时序与空间分布；然后，采用卡尔曼滤波实现GNSS与InSAR观测的融合，获得更稳定的形变序列；最后，构建基于Adam优化器的LSTM模型开展沉降预测，并采用MAE、RMSE与R²对预测效果进行评价。[结果] 结果表明：研究区沉降具有显著空间差异；融合后3个GNSS监测点形变序列标准差分别由 4.939 77、2.276 89、2.660 43 mm降至3.863 44、2.000 49、2.298 29 mm；与仅基于InSAR数据的预测相比，融合数据的预测误差分别降低11.27%、13.61%和12.38%。[结论] 研究表明，本文方法可有效提升吹填场地沉降序列的稳定性与预测精度，为沿海工程建设区沉降监测与风险预警提供技术支撑。

[目的] 针对传统方法对侧扫声呐数据进行海底检测时存在精度不足，易导致图像拼接困难、形状畸变等难题，本文旨在实现高精度、稳定的侧扫声呐实时海底检测。[方法] 为此，提出了一种基于U-Net架构的双通道一维实时海底检测模型 (D1D-UNet)。该模型以侧扫声呐左右舷的双通道序列数据作为输入，增强了模型对侧扫声呐数据的全局与局部特征的感知能力，从而显著提高了海底检测精度。[结果] 在湄洲湾和鲅鱼圈实测数据集上的试验结果表明，模型准确率最高分别达到97.26%和96.16%。与现有主流方法相比，在湄洲湾3个测试集上，检测准确率最高分别提升了5.35、6.58、12.05个百分点。[结论] 本文研究为侧扫声呐的实时海底检测提供了一种有效的解决方案，进一步拓展了侧扫声呐应用范围。

[目的] 多波束测深系统在海洋水深测量与地形获取中具有高效率和高分辨率等优势，但受海况变化、声速剖面误差及设备噪声等因素影响，测深数据中常包含大量随机噪声和异常值，严重制约了水深数据质量与后续地形建模精度。针对传统滤波与规则判别方法对复杂噪声适应性不足的问题，本文提出了一种应用于多波束测深数据的智能去噪方法。[方法] 该方法应用卷积神经网络-双向长短期记忆网络(CNN-BiLSTM)对多波束水深时序数据进行建模，通过学习水深变化的时序特征与空间连续性，实现对正常水深趋势的精准预测，并以预测残差作为噪声判别与抑制的隐式依据，从而完成水深噪声的自动去除。[结果] 试验结果表明，与传统去噪方法相比，所提出的方法在复杂海底地形和高噪声环境下具有更好的稳健性和泛化能力，能够有效降低水深测量误差，提升多波束测深数据的整体质量，为高精度海底地形测绘提供了一种智能化的数据处理新思路。[结论] 本文提出的CNN-BiLSTM模型弥补了单一滤波的局限性，相较于传统阈值滤波与统计滤波方法，本文方法无需人工设定复杂参数，能够在保留真实地形细节的同时有效抑制随机噪声，适用于复杂水下环境下的大规模多波束测深数据处理。

[目的] 针对铁路无人机影像中安全帽、反光衣等防护装备目标尺度小、特征信息易丢失且受复杂背景干扰而导致漏检的问题，本文提出了一种融合人体空间结构先验与浅层特征增强的人员防护装备检测方法。[方法] 该方法基于YOLO11n模型，依据安全帽、反光衣与人员目标之间的空间依附关系构建先验区域，并设计区域加权分类损失，引导模型增强人体合理区域内防护装备目标的学习;同时引入高分辨率浅层特征分支，提升小尺度目标表征能力。[结果] 自建数据集上，本文方法的P、R、mAP _0.5、mAP _0.5：0.95分别达92.3%、89.2%、94.3%、50.7%，较基线分别提升8.6、9.1、8.7和9.0个百分点。[结论] 本文方法有效提高了铁路无人机影像中人员及防护装备的检测精度，为施工安全定位与线路安全管理提供了支撑。

[目的] 本文旨在解析城市道路绿化覆盖率与绿视率的空间匹配机制，解决绿化空间布局中的量感错配问题。[方法] 基于仿生视觉感知调查系统与高分遥感，获取了北京2000余条道路数据，利用皮尔逊相关系数识别绿化响应尺度，并通过耦合协调度模型定量评估两者协同水平。[结果] ①道路绿视率与绿化覆盖率呈显著正相关，相关性在10 m缓冲区达峰值，明确了视觉绿量的核心敏感范围；②全市道路整体处于初级协调阶段，快速路受高架及声屏障遮挡呈绿视率滞后型，县乡道受用地限制呈覆盖滞后型，干路系统趋于协同；③街乡镇尺度协调度异质性明显，多点地区与生态涵养区优于中心城区，高密度建成区是制约量感转化的核心区域。[结论] 研究揭示了绿化量感转化的尺度效应与瓶颈，可为花园城市精准规划与人居环境品质提升提供决策参考。

[目的] 传统粗差探测方法逐测站逐方向独立处理，忽略了GNSS监测数据的时空互相关性，导致多变量协同异常识别不足。本文旨在利用监测序列间的动态耦合关系，提升协同异常识别能力。[方法] 为此，本文基于向量自回归（VAR）模型构建了融合E、N、U 3个方向位移的VAR方法，分析监测序列间的动态耦合关系，并依据模型残差建立了自适应异常识别准则，以区分真实变形与观测粗差。[结果] 结果表明，在仿真试验中的粗差F1分数较传统3倍中误差法平均提升约20%，在嘉绍大桥13个测站实测数据中，E、N、U 3个方向的平均均方根误差(RMSE)较原始序列分别降低约60%、85%和75%，且整体RMSE明显低于其他传统方法。[结论] 本文方法处理后的数据得到明显改善，可为长期健康监测提供更高质量的数据基础。

[目的] 针对丘陵地区地形复杂、地块破碎导致作物识别困难的问题，本文提出了一种高效的农作物智能识别方法。[方法] 联合高分辨率Planet卫星与无人机影像，构建“天—空”协同观测体系。利用无人机影像制作精准样本，基于多时相数据融合二维卷积神经网络(CNN/U-Net)与三维时序网络(3D-CNN/ConvLSTM)，协同挖掘作物的空间-光谱-时序特征，实现农作物的智能识别。[结果] 模型总体精度87.51%(Kappa系数为0.831)，其中小麦识别最优(生产者精度为96.32%)，水稻、玉米次之(＞88%)，油菜最低(86.44%)。作物分布呈现海拔分异特征：水稻集中于360 m以下谷地，玉米广泛分布于250～550 m丘陵区。[结论] 本文方法为复杂地形下的农作物精准监测提供了可靠技术路径，对推动精准农业与区域农业管理具有应用价值。

[目的] 本文旨在解决隧道链式机器视觉变形监测系统中，多站串联导致的误差累积机理不清、长距离工况下精度难以预测的问题。[方法] 构建了多源误差逐站传递与耦合的精细化链式视觉误差递推模型，分析了标定残余误差、亚像素定位噪声、环境扰动及相邻测站重合点配准误差对远端测点精度的综合影响机制；结合工程案例，搭建链式机器视觉监测平台，同时采用拓普康MS05AX型全站仪进行自动化监测与精度评估。[结果] 试验结果表明：链式机器视觉内符合精度在水平方向和竖直方向整体精度均优于0.30 mm，STD值随着距离增加整体呈现上升趋势，且竖直方向整体重复性略优于水平方向；水平方向、竖直方向RMS值分别为1.04、1.13 mm；验证了本文误差模型对远端精度衰减趋势的预测能力，揭示了竖直方向重复性优于水平方向，以及环境扰动是远距离误差主要贡献源的内在机理。[结论] 本文建立的误差递推模型能有效解释链式视觉系统在隧道环境下的精度衰减规律。系统整体精度可满足地铁结构变形监测要求，但远距离误差累积效应显著，建议采用定期联合标定与冗余基准点平差相结合的误差抑制策略。

[目的] 隧道管片预拼装试验是隧道建设的必要工作，传统人工方法存在效率低、误差大的问题，现有管片虚拟拼装方法未充分考虑拼接面与螺栓孔的约束关系。基于此，本文提出了一种顾及拼接面一致性与螺栓孔位对齐的平面提取与点云配准方法。[方法] 设计一套管片自动化虚拟拼装流程，通过多阶段降噪滤波、粗配准、接触面提取、几何约束精配准、单环拼接、多环动态拼接等步骤，实现管片高精度虚拟拼装。[结果] 试验分析与工程应用表明，本文方法在精度、效率、稳定性方面均优于传统方法，解决了环内与环间易错位的难题，拼接缝平均值可达1.2 mm。[结论] 该方法有效提升了管片预拼装质量与效率，具有较高的工程应用价值。

[目的] 本文旨在构建融合地理属性与拓扑特征的铁路地理网络模型，评估不同攻击策略下网络结构与功能的变化，分析铁路网络结构脆弱性，为铁路运输系统抗干扰能力提升提供科学依据。[方法] 基于GIS与复杂网络理论，利用Space L建模方法构建铁路地理网络，分析聚类系数、度分布、介数等拓扑特征；以巨连通分支相对大小和网络全局效率为评估指标，结合Python与NetworkX库，设计随机攻击、初始度/介数攻击及重计算度/介数攻击等不同攻击策略，系统评估节点与边失效条件下网络的响应过程。[结果] 结果表明：我国铁路地理网络具有小世界与无标度双重特性，空间上呈现明显聚类效应；蓄意攻击对网络连通性与全局效率的破坏显著强于随机攻击，其中重计算介数攻击在初期即可使网络几乎完全失连，网络全局效率在攻击中后期趋近于0；随机攻击下网络保持较强韧性。[结论] 铁路地理网络的脆弱性高度依赖关键节点与边的分布，重计算介数攻击能更精准识别网络薄弱环节。

[目的] 实景三维中国已初步建成，本文旨在深入分析其应用发展状况，进一步挖掘应用价值，充分释放数据潜能。[方法] 基于收集的自然资源部及各省市信息发布平台2024—2025年发布的304个实景三维应用案例数据，运用空间统计分析、综合对比分析等方法，系统剖析我国实景三维应用的场景分布、区域差异、参与主体及演进规律。[结果] 结果表明，辅助政府决策与支撑自然资源管理是核心应用场景，占比超60%，助力数字经济发展场景增长迅速；东部地区应用引领态势显著，中西部特色应用加速崛起；事业单位成为核心实施主体，多元协同模式初步形成。[结论] 未来需通过区域协同、机制创新、技术融合等促进实景三维应用不断深化和拓展，更好地服务于我国经济社会高质量发展。

[目的] 针对长江中下游河道崩岸监测水陆交界地带数据采集困难、单一传感器无法全域高精度覆盖的行业难题，本文提出了多源激光点云耦合贴近摄影影像的空地融合三维建模方法。[方法] 本文方法集成手持即时定位与地图构建(SLAM)激光扫描、架站式三维激光扫描与无人机贴近摄影，构建了“空-地-水”一体化全域数据采集体系；采用控制点约束粗配准+NDT-ICP两步精配准算法，完成了异构点云精准耦合；构建带分层差异化定权的点云约束光束法，并联合区域网平差扩展模型，实现多源观测几何的统一解算。[结果] 荆江典型崩岸段试验结果表明，融合三维模型平面中误差为0.046 m，高程中误差为0.072 m，相较纯无人机影像建模，高程精度提升了49.3%。[结论] 本文方法突破了单一传感器在浅滩、水边线、陡岸等复杂场景的数据缺失瓶颈，可自动提取岸坡精细地形剖面，结合简化Bishop法实现了崩岸稳定性定量预判，为河道崩岸早期隐患筛查、岸坡精准治理提供了高精度测绘技术支撑。

[目的] 针对合成孔径声呐(SAS)线状目标探测研究不足、传统边界框检测难以获取精确轮廓的问题，本文旨在构建一种适用于浅表层掩埋线状目标的精细化探测方法。[方法] 通过分析线状目标特点，采用像素级语义分割策略，构建基于DeepLabv3+语义分割网络的浅表层掩埋线状目标探测模型。利用SAS图像构建数据集，采用Kaiming初始化、SGD优化器及动态学习率策略训练模型。[结果] 结果表明，模型在验证集上的精确率、召回率、平均像素准确率和平均交并比分别为0.812、0.756、0.824和0.791，优于U-Net等对比模型，可准确分割线状目标边缘轮廓，有效区分目标与海底背景。[结论] 该方法能够有效实现浅表层线状目标的自动化、精细化探测，可为后续大区域海底地貌图像中自动化探测浅表层掩埋线状目标提供方法支撑。